面向语音环境基于情感计算的动态推荐系统模型研究

The rapid development and widespread application of intelligent speech technology is transforming the way we interact with our surroundings. Speech data will become the most important method for storing and conveying information. Along with the rapid growth of speech information resources, the information-screening becomes more complex. However, most information filtering models at this stage focus on the text-knowledge extraction. The model of information filtering research is limited to speech data. Emotional tendency is an important factor influencing people’s behavior. It is of great significance to investigate the information- screening model based on affective computing. This project aims to establish the model of emotional computation based on the emotional information of acoustic and semantic speech. And it proposes a novel recommendation model based on emotion compensation. Depending on the characteristics of user-emotion change, it constructs the dynamic recommendation system model. This thesis adopts the technique of integrating theoretical analysis, algorithms design and prototype system demonstration. Finally, new methods and new technologies are proposed to solve the problem of information-screening in this era of intelligent voice interaction.

智能语音技术的高速发展与应用，推动人类从触屏时代向智能语音交互时代发展。语音将成为信息存储与传播最重要的载体，语音信息资源的迅速增长，使得有效信息的筛选变得更为复杂。但现阶段信息筛选模型大多关注于文本内容的知识抽取，缺乏面向语音信息筛选的模型研究，同时情感倾向是影响人们形为的重要因素，研究基于情感计算的信息筛选模型具有重要的意义与价值。本课题旨在融合语音数据中的声学情感信息和内容情感信息建立情感计算模型，并提出基于情感补偿的推荐模型，根据用户情感变化的特点构建基于情感计算的动态推荐系统模型。本课题采用理论分析、算法设计与原型系统实证相结合的技术路线，最终为解决智能语音交互时代信息筛选问题探索新方法与新技术。

随着信息处理技术和大数据的快速发展，互联网上汇集了大量多源异构数据，当人们对这些海量数据进行信息检索时，需要花费大量的精力和时间。推荐系统作为一种信息检索技术应运而生，其主要依据用户的历史行为来实现信息筛选。然而，现有推荐系统忽略了用户情感状态对信息筛选需求的影响，建立基于情感计算的推荐系统有助提高信息筛选的准确度。语音是人们进行信息交互、表达情感最直接、最常用的方式，实时反映人们的情感状态。因此，本项目研究面向语音环境下的基于情感计算的动态推荐系统模型，将语音情感信息作为推荐系统最重要的信息补充，优化推荐策略。首先，课题组采用对抗训练、半监督学习、二值化等技术提出了多种语音情感识别模型，提高了模型识别率、鲁棒性，降低了模型对标签数据的依赖以及模型复杂度。然后，提出了基于情感补偿的推荐模型，提高了推荐准确度，缓解冷启动问题。最后，课题组还研究了命名实体词识别、文本摘要生成、图文检索等技术，能对信息凝练，进一步缓解人们面临的“信息爆炸”问题。本项目采用理论分析和模型设计与实践相结合的研究路线，最终为大数据时代下实现高效的信息筛选探索新方法和新技术。